德扑之星官网◈★，招聘消息◈★，德扑之星app德州扑克◈★！地质探勘◈★！一个 250 兆瓦的 AI 数据中心上线 年全球数据中心的电力需求将暴增 160%——这组数字背后◈★，是一场正在重塑全球基础设施格局的资本竞赛◈★。近日◈★，高盛集团投资银行部门发布报告《驱动人工智能时代》◈★，在这份 26 页的报告中◈★，高盛用一系列数字说明◈★：制约当前 AI 发展潜力的最大瓶颈◈★，可能不是资本或其他因素◈★，而是驱动这些庞大算力设施运转的电力供应◈★。

　　为了说明当前挑战的艰巨性◈★，高盛追溯了一条长达一个半世纪的基础设施投资脉络◈★。19 世纪的美国◈★，铁路是绝对的经济引擎◈★，其股票一度占到股市总市值的 80%◈★。到 1900 年◈★，超过 21.5 万英里的铁轨连接起整个国家◈★，不仅催生了邮购零售这样的新行业◈★，也让中西部的农产品得以走向世界◈★。为支持如此浩大的工程◈★，最早的投资银行应运而生◈★，它们的核心任务就是将欧洲的资本引入美国的铁路建设◈★。

　　进入 20 世纪◈★，电气化浪潮接踵而至◈★。在 1920 年代的十年间◈★，美国的公用事业公司筹集了巨额资金（相当于今天的 2,950 亿美元）◈★，为电网增加了 50 吉瓦的容量德扑之星◈★。电力的普及不仅点亮了生活◈★，更通过福特的流水线等创新◈★，彻底改变了工业生产的效率德扑之星◈★。为了应对激增的电力需求◈★，公用事业公司创造了控股公司的模式◈★，以便获得更低成本的融资并扩大规模◈★。

　　离我们更近的则是互联网时代的基础设施建设半岛游戏◈★。据高盛估算◈★，在互联网泡沫前后半岛游戏◈★，全球在光纤◈★、宽带和服务器等核心设施上的投资总额超过了 8,000 亿美元◈★。到 2001 年◈★，全球铺设的光纤电缆长达 3,900 万英里◈★。这些信息高速公路让数据传输的成本越来越低◈★，速度越来越快◈★，最终孕育了我们今天所熟知的数字经济◈★。与此相应◈★，资本市场也演化出了风险投资◈★、活跃的并购市场和不断扩张的信贷工具◈★，为这场信息革命提供了充足的弹药◈★。

　　如今轮到人工智能了◈★。高盛测算◈★，建设一个典型的 250 兆瓦 AI 数据中心◈★，连同内部的计算设备◈★，平均成本高达 120 亿美元◈★。更关键的是◈★，到 2030 年◈★，全球数据中心的电力需求预计将飙升 160%◈★，这主要是由那些能耗极高的 GPU 驱动的◈★。而我们现有的电网◈★，显然没有为这样的未来做好准备◈★。

　　要理解 AI 对基础设施的特殊要求◈★，首先需要了解数据中心自身正在发生的技术变革◈★。在生成式 AI 兴起之前◈★，云计算是主流◈★。企业将数据和业务从本地服务器迁移到大型数据中心的共享服务器上半岛游戏◈★，亚马逊◈★、谷歌等科技巨头通过“超大规模”运营◈★，有效降低了计算和存储的成本◈★。那时的云数据中心主要依靠传统的 CPU 和空气冷却系统◈★。

　　在过去十年里◈★，尽管云计算快速发展◈★，但数据中心的总用电量却基本保持平稳◈★，这主要得益于能效的持续提升◈★。然而◈★，这部分效率红利已基本耗尽◈★。运行 AI 所需的基础设施◈★，无论在复杂度还是资源密度上◈★，都呈指数级增长◈★。根据英伟达在 2025 年 GTC 大会上发布的数据◈★，到 2027 年◈★，一个 AI 服务器机架的功耗将是五年前同类云计算设备的 50 倍◈★。GPU 的能耗远超 CPU◈★，其密集的计算集群产生巨大热量◈★，必须依赖复杂的液体冷却系统才能正常工作◈★。

　　报告将数据中心的发展划分为四个阶段◈★：最初的“云数据中心 1.0”◈★，每个机架的功率只有 5 到 15 千瓦◈★；经过初步改造的 AI 数据中心◈★，功率提升至约 40 千瓦◈★；过渡时期的 AI 数据中心则达到 130 至 200 千瓦◈★，开始混合使用液冷和风冷◈★；而最新的“AI 工厂”◈★，其单机架功率已超过 500 千瓦◈★，完全依赖液冷技术◈★。

　　这种技术上的飞跃带来了巨大的投资需求◈★。据 New Street Research 的预测◈★，到 2027 年◈★，超大规模科技公司在 AI 技术上的投资累计将达到 1 万亿美元◈★。除了这些传统巨头◈★，一批“新云”公司也正在涌现◈★，它们同样在 GPU 和数据中心上投入数十亿美元◈★。值得注意的是◈★，AI 的计算需求并非在挤占传统云计算的预算◈★，而是在此基础上创造了新的◈★、更庞大的增量市场◈★。根据 OpenRouter 的数据◈★，从 2024 年 6 月到 2025 年 5 月◈★，衡量计算量的关键指标——每周消耗的总 token 数◈★，增长了超过 42 倍◈★。

　　AI 模型的训练过程——即教会模型识别模式并生成内容——是整个环节中能耗最密集的部分◈★，它需要专门的数据中心园区◈★，配备海量的高功率 GPU◈★、稳定的电力供应和先进的冷却系统◈★。由于模型训练不直接与终端用户交互◈★，因此对地理位置的要求不高◈★。开发者们倾向于选择土地和电力成本低◈★、监管环境友好的地区◈★，比如美国中西部的爱荷华州◈★、内布拉斯加州◈★，或是气候凉爽的北欧和东南亚部分地区◈★。

　　一个最典型的例子就是由 OpenAI◈★、甲骨文和软银联合发起的“星门”（Stargate）计划德扑之星◈★，该计划投资高达 5,000 亿美元用于数字和能源基础设施建设◈★。其首个数据中心就选址在德克萨斯州的阿比林◈★，一个能源丰富◈★、人口稀少的地区◈★。

　　但当模型训练完成并投入使用◈★，进入“推理”阶段（例如我们使用 ChatGPT 进行对话）◈★，情况就有所不同◈★。推理虽然计算强度稍低◈★，但对速度和延迟的要求极高◈★，这意味着数据中心需要尽可能靠近终端用户◈★。AI 技术的突破往往难以预测◈★，如果推理应用的发展速度超过预期◈★，那么那些为训练而建在偏远地区的数据中心◈★，其价值就可能面临挑战◈★。

　　但无论如何◈★，眼下数据中心的市场需求正远超供应◈★。全球数据中心的空置率已降至 3% 的历史低点◈★，在热门市场更是接近于零半岛游戏◈★，而新的大规模电力供应往往要到 2028 年以后才能到位◈★。因此◈★，全球在建数据中心的总面积已超过 5,000 万平方英尺◈★，是五年前的两倍◈★。即使不考虑电力限制◈★，满足这种需求所需的资本规模也是前所未有的◈★。

　　高盛指出◈★，当前制约 AI 发展的最大瓶颈◈★，已经不是资本而是电力◈★。在经历了十年的平稳期后半岛游戏◈★，全球数据中心的电力需求预计到 2030 年将激增 160%◈★。这是一个惊人的数字◈★，而我们现有的电网系统◈★，其基础设施的平均“年龄”已高达 40 年◈★，完全没有为这种爆发式增长做好准备◈★。一边是日新月异的 AI 技术◈★，另一边是老化的电网◈★，这种结构性的脱节◈★，正成为整个行业必须解决的关键难题◈★。

　　在美国◈★，要扩大电力产能◈★，需要克服繁琐的监管审批◈★、漫长的许可流程和供应链等重重障碍◈★。过去十几年◈★，得益于廉价的天然气◈★、成本不断下降的风能和太阳能◈★，以及较低的利率◈★，美国的电价一直保持在低位◈★。但这也导致了一个意想不到的后果◈★：可再生能源的间歇性发电冲击了电网的稳定性（即著名的“鸭子曲线”（duck curve）现象）◈★，削弱了能够提供 24/7 稳定电力的燃煤和核电厂的盈利能力◈★，加速了它们的退役◈★。

　　如今◈★，电网缺乏足够的“基荷电力”来满足预期的需求高峰◈★。要解决这个问题◈★，不仅需要简化新项目的审批流程◈★，还需要更智能的电网规划和更灵活的需求侧管理◈★。好消息是◈★，不断上涨的电价和传统发电设备的漫长交付周期◈★，正在倒逼行业加速对碳捕获◈★、分布式能源◈★、长时储能等新技术的研发和应用◈★。

　　这场能源转型也让美国的公用事业公司陷入了两难境地◈★：一方面是服务公众的使命和亟待更新的老化设施◈★，另一方面是远超传统模式预期的电力需求增长◈★。在过去十年里◈★，公用事业部门的资本支出已经翻了一番◈★，不仅是为了满足新增负荷◈★，也是为了加固电网以应对极端天气◈★，并替换老旧设备◈★。

　　许多电力公司对于大规模投资新资产心存疑虑◈★，担心重蹈过去投资过度◈★、资产闲置的覆辙◈★。AI 芯片能效的潜在突破◈★，也让一些人质疑这种电力需求的暴增是否能够持续◈★。但 AI 行业的领导者们普遍认为◈★，随着企业应用和云服务的深度融合◈★，以及智能体 AI （Agentic AI）的普及◈★，计算需求只会持续增长◈★，效率的提升无法抵消总量的扩张◈★。

　　因此◈★，电力公司开始为数据中心这类用电大户探索新的电价结构◈★，例如“照付不议”合同（无论用不用都要付钱）◈★、要求客户预付部分建设资本◈★，或是签订长期的容量承诺◈★，以降低自身的投资风险◈★。电力公司与科技巨头之间的合作也日益紧密◈★，例如 Entergy 与 Meta 的合作◈★，就是为了共同开发发电和输电项目◈★，确保数据中心获得长期可靠的电力◈★。当然◈★，这类项目也引发了监管机构的担忧◈★，即是否会将成本转嫁给普通居民◈★。从 2019 年到 2024 年◈★，美国平均电费上涨了 23%◈★，如何平衡大型工业用户和居民用户的利益◈★，将是一个持续的挑战◈★。

　　发电只是问题的一半◈★，将电力输送出去同样是个瓶颈◈★。在美国◈★，新建一座天然气发电厂并将其接入电网◈★，通常需要 5 到 7 年时间◈★。AI 带来的强劲需求已经重新点燃了市场对天然气的兴趣◈★，并催生了大型并购交易◈★。2025 年 1 月◈★，美国最大的清洁能源生产商星座能源宣布以 291 亿美元收购最大的天然气发电商 Calpine◈★，这笔交易正是在电力需求激增的大背景下发生的◈★。

　　高盛研究估计◈★，到 2030 年◈★，仅美国的电网就需要超过 7,000 亿美元的投资◈★。要缓解项目审批的延误◈★，联邦层面的政策支持至关重要◈★。随着电网压力的不断增大◈★，相关的改革法案预计将获得更多关注◈★。

　　面对漫长的审批和供应链难题◈★，数据中心运营商和科技巨头必须同时规划短期（5 年内）和长期（10-15 年）的电力解决方案◈★。高盛的研究团队预测◈★，到 2030 年德扑之星◈★，新增的数据中心电力需求中◈★，约 60% 需要由新建的发电设施来满足◈★，其构成可能包括 30% 的天然气联合循环发电◈★、30% 的天然气调峰电厂◈★、27.5% 的太阳能和 12.5% 的风能◈★。

　　尽管新建天然气电厂耗时漫长◈★，但可再生能源是目前最快◈★、最有效的补充电力的方式◈★。然而◈★，风能和太阳能的间歇性使其无法单独满足数据中心所需的全天候稳定电力◈★，而现有的电池技术还无法实现足够长时间的储能◈★。因此◈★，尽管可再生能源是能源结构中不可或缺的一部分◈★，但它还无法完全解决问题◈★。不过◈★，随着钠离子电池等新技术的进步◈★，这种情况未来可能会改变◈★。

　　核能正重新回到人们的视野中◈★。科技公司在谨慎投资的同时◈★，也在积极探索利用核能的各种方式◈★。它们倾向于通过签订长期购电协议来锁定未来的电力供应◈★，而不是直接承担核电站的建设风险◈★。例如◈★，Alphabet 已与 Elementl Power 合作◈★，为建设先进核能预留了三个厂址◈★。微软则通过一份长达 20 年的长期购电协议◈★，支持重启著名的三里岛核电站一号机组◈★。

　　核能的优势在于能提供可靠◈★、稳定且零碳的基荷电力◈★，这与数据中心的需求完美匹配◈★。不过◈★，核电项目历史上普遍存在成本超支和工期延误的问题◈★，这对传统的融资模式构成了挑战半岛游戏◈★。例如◈★，2023 年上线 号机组◈★，其最终成本比原预算高出一倍多德扑之星◈★，工期也晚了七年◈★。不过◈★，该项目的成功也验证了西屋公司 AP1000 技术的有效性◈★，为后续机组的建设积累了宝贵经验◈★。要推动核能的复兴◈★，需要强有力的政策支持来分担早期项目的风险◈★，直到行业实现标准化的规模建设◈★。

　　与此同时◈★，小型模块化反应堆（SMR◈★，Small Modular Reactor）作为一种更灵活◈★、更安全的核能选项◈★，也正受到科技巨头的密切关注◈★。

　　面对公共电网的种种限制◈★，许多科技公司和数据中心开发商开始采取一种更为激进的策略——“表后供电”（behind the meter）◈★，即自己成为自己的电力供应商◈★。

　　对于那些急需稳定电力的项目◈★，所有选项都值得考虑◈★，甚至包括绕开公共电网◈★。漫长的并网排队时间◈★，促使许多运营商开始探索在数据中心园区内直接建设微电网◈★，或者干脆将数据中心建在发电厂旁边◈★。在后一种方案中◈★，数据中心直接从发电厂购电◈★，无需经过公共电网的传输半岛游戏◈★，从而大大缩短了项目上线的时间◈★。

　　此外◈★，一些能源服务公司也开始提供一站式的分布式能源解决方案◈★，从太阳能◈★、储能到微电网和现场发电◈★，帮助大型用户在需求高峰时段增强供电的可靠性◈★、减少排放并缓解电网压力◈★。在 2021 年德州大停电期间◈★，PowerSecure 公司的微电网系统就为客户提供了超过 2.26 吉瓦时的可靠电力◈★。

　　当然◈★，这种“自给自足”的模式也带来一些争议◈★。在美国孟菲斯◈★，xAI 的 Project Colossus 就因其发电设施造成的污染而遭到当地社区的投诉◈★。一些将数据中心与核电站建在一起的计划◈★，也因可能推高当地电价而被联邦能源监管委员会叫停◈★。

　　这场基础设施竞赛的影响已远远超出了商业和技术的范畴◈★，正在成为地缘政治博弈的新领域◈★。数据常被称为数字时代的“新石油”◈★，但与受地理位置限制的石油不同◈★，数据中心的选址具有高度的战略灵活性◈★。一个国家能否吸引全球领先的 AI 数据中心落地◈★，正成为其在未来数字经济中影响力的重要体现◈★。

　　目前◈★，美国数据中心的供需缺口正在持续扩大◈★。据华尔街机构预测◈★，到 2028 年◈★，这一缺口将超过 10 吉瓦◈★。这意味着美国需要与全球伙伴合作◈★，将部分计算任务◈★，特别是对延迟不那么敏感的模型训练◈★，转移到海外◈★。通过精心规划的 AI 基础设施投资◈★，各国可以加强盟友关系◈★，提升自身的经济竞争力◈★。

　　创始人◈★、科技巨头和投资者们早已将目光投向全球◈★。中东和拉丁美洲正迅速崛起为新的数据中心热点◈★。巴西凭借其超过 90% 的可再生能源发电比例◈★，吸引了数十亿美元的投资◈★。然而◈★，全球扩张也伴随着风险◈★。在一些电力本就紧张的地区建设耗能巨大的数据中心◈★，可能会加剧当地的资源不平等◈★。同时◈★，数据中心作为承载敏感信息的关键节点◈★，也带来了数据主权◈★、供应链安全和地缘政治风险等多重挑战◈★。

　　2024 年◈★，全球超大规模科技公司的资本支出平均每天高达 8 亿美元◈★。与此同时◈★，美国公用事业部门的年度资本支出也达到了 2,000 亿美元◈★。随着基础设施和资金需求的持续增长◈★，如何高效地获取和部署资本德扑之星◈★，将是成功的关键◈★。

　　战略合作◈★，以及公私资本的创新结合◈★，正在为这个新领域创造机会◈★。合资企业成为一种越来越普遍的模式◈★，它能够整合来自公共养老基金◈★、主权财富基金和数据中心运营商等不同参与方的专业知识和资本◈★。2024 年◈★，美国房地产投资信托基金 Equinix 与加拿大养老金计划投资委员会◈★、新加坡政府投资公司 GIC 成立合资企业◈★，计划筹集 150 亿美元用于在美国扩张超大规模数据中心◈★，便是一个很好的例子◈★。

　　手握超过 4 万亿美元“干火药”（即可用投资金）的金融机构（根据 Preqin 2024 年 9 月数据）◈★，也迫切希望在 AI 基础设施领域找到回报可观的投资机会◈★。目前◈★，AI 生态系统的融资还比较分散◈★，从土地半岛游戏◈★、电力到芯片◈★，每个环节都有不同的解决方案◈★。但随着数据中心规模的不断扩大◈★，市场需要更全面◈★、更整合的金融方案◈★，为资本的可用性和价格提供更大的确定性◈★。

　　高盛在报告中提出了几种长期的资本策略◈★，例如围绕已经稳定运营的数据中心开发专门的股权基金◈★，或者通过优化风险分配来吸引保险公司◈★、养老金等长期资本的加入◈★。其新成立的“资本解决方案集团”◈★，也正是为了应对这种复杂的需求◈★，通过整合咨询◈★、融资和投资能力◈★，为客户量身定制解决方案◈★。

　　高盛的这份报告并未给所有问题提供答案◈★，它坦言“无法精确预测未来十年会如何演变”◈★。但它清晰地勾勒出了一个框架◈★：AI 是一种将渗透到每个行业和地理位置的经济力量◈★。计算与电力的这种交汇正在创造新的紧迫性◈★。

　　从 19 世纪的铁路到 21 世纪的 AI 数据中心◈★，每一次技术革命都需要三要素◈★：愿景◈★、基础设施和资本◈★。AI 的愿景已经无比清晰◈★，基础设施的蓝图也日渐明确◈★，而资本◈★，正在以前所未有的规模和创新的形式涌入这个领域◈★。

　　AI 时代的基础设施竞赛才刚刚开始◈★。电力瓶颈◈★、审批延误◈★、技术不确定性和地缘政治风险◈★，每一个都是巨大的挑战◈★。但正如历史所揭示的◈★，每一次伟大的基础设施建设浪潮都伴随着怀疑和困难◈★。最终的胜利者◈★，将属于那些能在不确定性中看到机遇◈★，在复杂性中构建解决方案的人◈★。这不仅是一个价值数万亿美元的投资故事◈★，更是一个关乎下一代技术革命能否成功的关键所在◈★。